人大ClawGymII：用Agent Harness直接训练模型
智东西 · wechat · 2026-08-18
核心思路：执行与优化解耦
中国人民大学高瓴人工智能学院提出ClawGymII框架，旨在通过真实的Agent Harness（如ClaudeCode、OpenClaw）直接进行黑盒强化学习，而非仅利用其生成的离线数据。
解决痛点：
- 可扩展执行：使用Sandbox隔离每个任务的Rollout，支持大规模并发，通过MCP接入工具无需修改Harness。
- 轨迹重建：针对黑盒产生的碎片化调用，提出前缀树重建方法，合并重复历史，过滤无效分支（如Retry），生成完整训练轨迹。
- 多Harness联合训练：实现Mix-Harness Training，让单一策略模型同时从OpenClaw、ClaudeCode等异构Harness中学习。
实验结果：
- 在Qwen3-30B-A3B上，通过OpenClaw和ClaudeCode进行黑盒RL，分别使模型在PinchBench上提升了17.28和11.71分。
- 跨越JobBench和OfficeQA等不同形态任务，框架均能实现稳定提升，验证了通用性。
所属事件:人大发布 ClawGym II，黑盒 RL 直接训练复杂 Agent(3 条相关)→
「编程与Agent」频道最新
- 自动化平台Relay.app宣布关停：免费用户8月15日数据清零 — HaktanSuren · 2026-08-19
- RepoRelay：ChatGPT 安全读取本地代码库 — Lucaslogged · 2026-08-19
- Agent 驱动 Three.js 可视化，支持真实物理与交互 — doodlestein · 2026-08-19
- Volkern MCP Server：让 AI 智能体接管 CRM 客户管理 — modelcontextprotocol · 2026-08-19
- Gate Info MCP：用于加密货币发现与链上数据分析 — modelcontextprotocol · 2026-08-19
- 开源 OAuth 任务管理 MCP 服务器的工程实践 — Mean-Papaya3532 · 2026-08-19